A large body of research establishes the efficacy of musical intervention in many aspects of physical, cognitive, communication, social, and emotional rehabilitation. However, the underlying neural mechanisms for musical therapy remain elusive. This study aimed to investigate the potential neural correlates of musical therapy, focusing on the changes in the topology of emotion brain network. To this end, a Bayesian statistical approach and a cross-over experimental design were employed together with two resting-state magnetoencephalography (MEG) as controls. MEG recordings of 30 healthy subjec
Сравнительное исследованиеСтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Optical neural networks (ONNs) are emerging as a promising neuromorphic computing paradigm for object recognition, offering unprecedented advantages in light-speed computation, ultra-low power consumption, and inherent parallelism. However, most of ONNs are only capable of performing simple object classification tasks. These tasks are typically constrained to single-object scenarios, which limits their practical applications in multi-object recognition tasks. Here, we propose an anti-interference diffractive deep neural network (AI D2NN) that can accurately and robustly recognize targets in mu
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Objective.Denoising artifacts, such as noise from muscle or cardiac activity, is a crucial and ubiquitous concern in neurophysiological signal processing, particularly for enhancing the signal-to-noise ratio in electroencephalograph (EEG) analysis. Novel methods based on deep learning demonstrate a notably prominent effect compared to traditional denoising approaches. However, those still suffer from certain limitations. Some methods often neglect the multi-domain characteristics of the artifact signal. Even among those that do consider these, there are deficiencies in terms of efficiency, eff
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
With the ongoing worldwide coronavirus disease 2019 (COVID-19) pandemic, it is desirable to develop effective algorithms to automatically detect COVID-19 with chest computed tomography (CT) images. Recently, a considerable number of methods based on deep learning have indeed been proposed. However, training an accurate deep learning model requires a large-scale chest CT dataset, which is hard to collect due to the high contagiousness of COVID-19. To achieve improved detection performance, this paper proposes a hybrid framework that fuses the complex shearlet scattering transform (CSST) and a s
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Thyroid diseases are increasingly prevalent and have a major influence on endocrine and metabolic functions. Ultrasound imaging is popular for early diagnosis and categorizing thyroid abnormalities because it is non-invasive, inexpensive, and real-time. From this paper, we planned to study the recent developments in computer-aided diagnosis (CAD) systems in detecting and classifying thyroid diseases based on ultrasound images. Researchers are focused on traditional image processing algorithms, machine learning techniques, and deep learning techniques to improve accuracy. Modern classifiers lik
СтатьяОбзорПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Image matching is a fundamental problem in computer vision, serving as a core component in tasks such as visual localization, structure from motion, and SLAM. While recent advances using convolutional neural networks and transformer have achieved impressive accuracy, their substantial computational demands hinder practical deployment on resource-constrained devices, such as mobile and embedded platforms. To address this challenge, we propose LIM, a lightweight image local feature matching network designed for computationally constrained embedded systems. LIM integrates efficient feature extrac
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Scene classification plays a vital role in various computer vision applications, but building deep learning models from scratch is a very time-intensive process. Transfer learning is an excellent classification method using the predefined model. In our proposed work, we introduce a novel method of multimodal feature extraction and a feature selection technique to improve the efficiency of transfer learning in scene classification. We leverage widely used convolutional neural networks (CNN) for feature extraction, followed by relevant feature selection techniques to enhance the performance of t
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Three-dimensional (3D) tomography is a powerful investigative tool for many scientific domains, going from materials science, to engineering, to medicine. Many factors may limit the 3D resolution, often spatially anisotropic, compromising the precision of the information retrievable. A neural network, designed for video-frame interpolation, is employed to enhance tomographic images, achieving cubic-voxel resolution. The method is applied to distinct domains: the investigation of the morphology of printed graphene nanosheets networks, obtained via focused ion beam-scanning electron microscope (
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Compulsive behaviors (CBs) have been linked to orbitofrontal cortex (OFC) function in animal and human studies. However, brain regions function not in isolation but as components of widely distributed brain networks-such as those indexed via resting-state functional connectivity (RSFC). Sixty-nine individuals with CB disorders were randomized to receive a single session of neuromodulation targeting the left OFC-intermittent theta-burst stimulation (iTBS) or continuous TBS (cTBS)-followed immediately by computer-based behavioral "habit override" training. OFC seeds were used to quantify RSFC fo
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Computer-based identification of abnormal regions and classification of diseases using CT images of the lung has been a goal of many investigators. In this paper, we review research that has used texture analysis along with segmentation and fractal analysis. First, a review of texture methods is performed. Recent research on quantitative analysis of the lung using texture methods is categorized into six groups of computational methods: structural, statistical, model based, transform domain, texture-segmentation, and texture-fractal analysis. Finally, the applications of texture-based methods c
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Detection of moving objects in video streams is the first relevant step of information extraction in many computer vision applications. Aside from the intrinsic usefulness of being able to segment video streams into moving and background components, detecting moving objects provides a focus of attention for recognition, classification, and activity analysis, making these later steps more efficient. We propose an approach based on self organization through artificial neural networks, widely applied in human image processing systems and more generally in cognitive science. The proposed approach
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Within the prefrontal-cingulate cortex, abnormalities in coupling between neuronal networks can disturb the emotion-cognition interactions, contributing to the development of mental disorders such as depression. Despite this understanding, the neural circuit mechanisms underlying this phenomenon remain elusive. In this study, we present a biophysical computational model encompassing three crucial regions, including the dorsolateral prefrontal cortex, subgenual anterior cingulate cortex, and ventromedial prefrontal cortex. The objective is to investigate the role of coupling relationships withi
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Rapid, accurate preoperative imaging diagnostics of appendicitis are critical in surgical decisions of emergency care. This study developed a fully automated diagnostic framework using a 3D convolutional neural network (CNN) to identify appendicitis and clinical information from patients with abdominal pain, including contrast-enhanced abdominopelvic computed tomography images. A deep learning model-Information of Appendix (IA)-was developed, and the volume of interest (VOI) region corresponding to the anatomical location of the appendix was automatically extracted. It was analysed using a two
СтатьяВалидационное исследованиеПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Excessive alcohol intake is a major public health problem and can be triggered by stress. Heavy drinking in patients with alcohol use disorder also alters neural, physiological, and emotional stress responses. However, it is unclear whether adaptations in stress-predictive brain networks can be an early marker of risky drinking behavior.
METHODS: Risky social drinkers (regular bingers; n = 53) and light drinker control subjects (n = 51) aged 18 to 53 years completed a functional magnetic resonance imaging-based sustained stress protocol with repeated measures of subjective stress
СтатьяПоддержка NIH: внешняя программаПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Chronic liver disease (CLD) and subsequent liver cirrhosis (LC) are common causes of death and healthcare-related socio-economical costs worldwide. Ultrasound (US) is the first-line imaging modality for assessing the liver and associated hepatocellular carcinomas. Poor quality liver US images caused by aging or inadequate management of US equipment, can pose significant challenges in both diagnosis and treatment. From this perspective, the aim of this study was to enhance and assess the image quality of liver US obtained from an older, lower-performing device using a deep learning approach. A
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MOTIVATION: Gene regulation is a dynamic process that underlies all aspects of human development, disease response, and other biological processes. The reconstruction of temporal gene regulatory networks has conventionally relied on regression analysis, graphical models, or other types of relevance networks. With the large increase in time series single-cell data, new approaches are needed to address the unique scale and nature of these data for reconstructing such networks.
RESULTS: Here, we develop a deep neural network, Marlene, to infer dynamic graphs from time series single-cell gene exp
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Tetracycline hydrochloride (TC) is an antibiotic frequently detected in water sources globally. Developing effective strategies for the removal of this pharmaceutical contaminant from water and wastewater is crucial. The primary objective of this study is to develop computational models to accurately predict and optimize the TC removal process. Response Surface Methodology (RSM) was used to model the relationship between the removal efficiency (RE) and three key variables: initial TC concentration (TC0), catalyst dosage, and peroxymonosulfate (PMS) dose over treatment time. Finally, Response s
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This study aimed to investigate the alterations of cognition and functional connectivity post noise, and find the progress and neural substrates of noise induced hearing loss (NIHL)-associated cognitive impairment. We exposed rats to 122 dB broad-band noise for 2 h to induce hearing loss and the auditory function was assessed by measuring auditory brainstem response thresholds. Morris water maze test and resting state MRI were computed at 0 day, 1, 3, 6 months post noise to reveal cognitive ability and neural substrate. The interregional connections in the auditory network and default mode net
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Differentiating between hepatocellular carcinomas (HCC) and intrahepatic cholangiocarcinomas (ICC) non-invasively is clinically critical but challenging, impacting patient management. This study aims to employ contrast-enhanced computed tomography (CECT) radiomics and artificial intelligence to distinguish HCC from ICC. METHODS: This retrospective study (October 2014–July 2024) included 186 patients with pathologically confirmed HCC (n = 111) or ICC (n = 75) from two centers. A total of 134 patients from Center A were randomly divided into a training cohort (n = 93) and an internal
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To study the risk factors affecting amputation and survival in patients with diabetic foot (DF) and to construct a predictive model using the machine learning technique for DF foot amputation and survival and evaluate its effectiveness.
MATERIALS AND METHODS: A total of 200 patients with DF hospitalized in the First Affiliated Hospital of Shantou University Medical College in China were selected via cluster analysis screening, Kaplan-Meier survival calculation, amputation rate and Cox proportional hazards model investigation of risk factors associated with amputation and death. In ad
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования